本發(fā)明涉及信息處理領(lǐng)域，尤其涉及一種基于人工智能的搜索信息解析方法及裝置。

背景技術(shù)：

人工智能(artificialintelligence)，英文縮寫為ai。它是研究、開(kāi)發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。人工智能是計(jì)算機(jī)科學(xué)的一個(gè)分支，它企圖了解智能的實(shí)質(zhì)，并生產(chǎn)出一種新的能以人類智能相似的方式做出反應(yīng)的智能機(jī)器，該領(lǐng)域的研究包括機(jī)器人、語(yǔ)音識(shí)別、圖像識(shí)別、自然語(yǔ)言處理和專家系統(tǒng)等。

現(xiàn)有的搜索信息(query)理解過(guò)程，需要有相關(guān)技術(shù)背景的專業(yè)人員參與，才能實(shí)現(xiàn)對(duì)query的解析，例如，專業(yè)人員進(jìn)行人工編輯的解析模板，然后利用編輯的解析模板對(duì)query進(jìn)行解析。再例如，人工或者機(jī)器識(shí)別query中部分片段，然后基于識(shí)別的部分片段對(duì)query進(jìn)行解析，再例如，可以采用形式化語(yǔ)言對(duì)query進(jìn)行解析，但是不管片段解析還是形式化語(yǔ)音均存在丟失信息的問(wèn)題，而且上述方法需要專業(yè)人員參與，需要耗費(fèi)大量人力和時(shí)間。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明旨在至少在一定程度上解決相關(guān)技術(shù)中的技術(shù)問(wèn)題之一。

為此，本發(fā)明的第一個(gè)目的在于提出一種基于人工智能的搜索信息解析方法，以實(shí)現(xiàn)對(duì)query的自動(dòng)識(shí)別以解決現(xiàn)有技術(shù)中query識(shí)別中存在依賴專業(yè)人員且耗時(shí)長(zhǎng)、成本高的問(wèn)題。

本發(fā)明的第二個(gè)目的在于提出一種基于人工智能的搜索信息解析裝置。

本發(fā)明的第三個(gè)目的在于提出一種計(jì)算機(jī)設(shè)備。

本發(fā)明的第四個(gè)目的在于提出一種計(jì)算機(jī)程序產(chǎn)品。

本發(fā)明的第五個(gè)目的在于提出一種非臨時(shí)性計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

為達(dá)上述目的，本發(fā)明第一方面實(shí)施例提出了一種基于人工智能的搜索信息解析方法，包括：

獲取標(biāo)注數(shù)據(jù)，其中，所述標(biāo)注數(shù)據(jù)包括標(biāo)注的搜索實(shí)例、標(biāo)注的模板實(shí)例、搜索意圖的領(lǐng)域以及所述領(lǐng)域下的類別，以及所述領(lǐng)域下關(guān)鍵詞對(duì)應(yīng)的屬性以及所述屬性包括的實(shí)體詞；

對(duì)所述標(biāo)注數(shù)據(jù)進(jìn)行訓(xùn)練，生成實(shí)例詞典、模板詞典和倒排詞典，其中，所述實(shí)例詞典包括所述搜索實(shí)例以及所述搜索實(shí)例的標(biāo)注；所述模板詞典包括屬性、領(lǐng)域和/或類別的組合；所述倒排詞典包括分詞與已標(biāo)注的搜索實(shí)體的對(duì)應(yīng)關(guān)系；

獲取待識(shí)別的目標(biāo)搜索信息；

基于所述實(shí)例詞典、所述模板詞典以及所述倒排詞典，對(duì)所述目標(biāo)搜索信息進(jìn)行解析，得到與所述目標(biāo)搜索信息對(duì)應(yīng)的目標(biāo)解析結(jié)果。

本發(fā)明實(shí)施例的基于人工智能的搜索信息解析方法，通過(guò)獲取標(biāo)注數(shù)據(jù)，然后離線過(guò)程中對(duì)標(biāo)注數(shù)據(jù)進(jìn)行訓(xùn)練分析，形成可以用于對(duì)query解析的實(shí)例詞典、模板詞典以及倒排詞典。在對(duì)query進(jìn)行解析的過(guò)程中，只需要將三種詞典作為依據(jù)，就可以自動(dòng)完成對(duì)query的解析，不再依賴專業(yè)人員的經(jīng)驗(yàn)，而且通過(guò)三種詞典對(duì)query的解析是整體解析，不會(huì)存在信息丟失的問(wèn)題。由于三種詞典都可以給出query的一個(gè)解析結(jié)果可以利用三個(gè)詞典逐個(gè)對(duì)query進(jìn)行解析，以獲取到query的解析結(jié)果，從而能夠提高識(shí)別出query的概率。

為達(dá)上述目的，本發(fā)明第二方面實(shí)施例提出了一種基于人工智能的搜索信息解析裝置，包括：

第一獲取模塊，用于獲取標(biāo)注數(shù)據(jù)，其中，所述標(biāo)注數(shù)據(jù)包括標(biāo)注的搜索實(shí)例、標(biāo)注的模板實(shí)例、搜索意圖的領(lǐng)域以及所述領(lǐng)域下的類別，以及詞語(yǔ)的屬性以及各屬性包括的實(shí)體詞語(yǔ)；

詞典生成模塊，用于對(duì)所述標(biāo)注數(shù)據(jù)進(jìn)行訓(xùn)練，生成實(shí)例詞典、模板詞典和倒排詞典，其中，所述實(shí)例詞典包括所述搜索實(shí)例以及所述搜索實(shí)例的標(biāo)注；所述模板詞典包括屬性、領(lǐng)域和/或類別的組合；所述倒排詞典包括分詞與已標(biāo)注的搜索實(shí)體的對(duì)應(yīng)關(guān)系；

第二獲取模塊，用于獲取待識(shí)別的目標(biāo)搜索信息；

解析模塊，用于基于所述實(shí)例詞典、所述模板詞典以及所述倒排詞典，對(duì)所述目標(biāo)搜索信息進(jìn)行解析，得到與所述目標(biāo)搜索信息對(duì)應(yīng)的目標(biāo)解析結(jié)果。

本發(fā)明實(shí)施例的基于人工智能的搜索信息解析裝置，通過(guò)獲取標(biāo)注數(shù)據(jù)，然后離線過(guò)程中對(duì)標(biāo)注數(shù)據(jù)進(jìn)行訓(xùn)練分析，形成可以用于對(duì)query解析的實(shí)例詞典、模板詞典以及倒排詞典。在對(duì)query進(jìn)行解析的過(guò)程中，只需要將三種詞典作為依據(jù)，就可以自動(dòng)完成對(duì)query的解析，不再依賴專業(yè)人員的經(jīng)驗(yàn)，而且通過(guò)三種詞典對(duì)query的解析是整體解析，不會(huì)存在信息丟失的問(wèn)題。由于三種詞典都可以給出query的一個(gè)解析結(jié)果可以利用三個(gè)詞典逐個(gè)對(duì)query進(jìn)行解析，以獲取到query的解析結(jié)果，從而能夠提高識(shí)別出query的概率。

為達(dá)上述目的，本發(fā)明第三方面實(shí)施例提出了一種計(jì)算機(jī)設(shè)備，包括：存儲(chǔ)器和處理器其中，所述處理器通過(guò)讀取所述存儲(chǔ)器中存儲(chǔ)的可執(zhí)行程序代碼來(lái)運(yùn)行與所述可執(zhí)行程序代碼對(duì)應(yīng)的程序，以用于實(shí)現(xiàn)如本發(fā)明實(shí)施例第一方面所述的基于人工智能的搜索信息解析方法。

為達(dá)上述目的，本發(fā)明第四方面實(shí)施例提出了一種計(jì)算機(jī)程序產(chǎn)品，當(dāng)所述計(jì)算機(jī)程序產(chǎn)品中的指令由處理器執(zhí)行時(shí)，執(zhí)行如第一方面實(shí)施例所述的基于人工智能的搜索信息解析方法。

為達(dá)上述目的，本發(fā)明第五方面實(shí)施例提出了一種非臨時(shí)性計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，當(dāng)計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如第一方面實(shí)施例所述的基于人工智能的搜索信息解析方法。

本發(fā)明附加的方面和優(yōu)點(diǎn)將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過(guò)本發(fā)明的實(shí)踐了解到。

附圖說(shuō)明

本發(fā)明上述的和/或附加的方面和優(yōu)點(diǎn)從下面結(jié)合附圖對(duì)實(shí)施例的描述中將變得明顯和容易理解，其中：

圖1為本發(fā)明實(shí)施例提供的一種基于人工智能的搜索信息解析方法的流程示意圖；

圖2為本發(fā)明實(shí)施例提供的一種對(duì)標(biāo)注數(shù)據(jù)進(jìn)行訓(xùn)練，生成實(shí)例詞典、模板詞典和倒排詞典的流程示意圖；

圖3為本發(fā)明實(shí)施例提供的一種模板數(shù)據(jù)形成的示意圖；

圖4為本發(fā)明實(shí)施例提供的另一種基于人工智能的搜索信息解析方法的流程示意圖；

圖5為本發(fā)明實(shí)施例提供的一種基于倒排詞典對(duì)query解析的過(guò)程示意圖；

圖6為本發(fā)明實(shí)施例提供的一種相似度計(jì)算模型的構(gòu)建示意圖；

圖7為本發(fā)明實(shí)施例提供的一種基于倒排詞典對(duì)query解析的應(yīng)用示意圖；

圖8為本發(fā)明實(shí)施例提供的一種基于人工智能的搜索信息解析方法的應(yīng)用示意圖；

圖9為本發(fā)明實(shí)施例提供的基于人工智能的搜索信息解析方法的測(cè)試結(jié)果意圖；

圖10為本發(fā)明實(shí)施例提供的一種基于人工智能的搜索信息解析裝置的結(jié)構(gòu)示意圖；

圖11為本發(fā)明實(shí)施例提供的一種計(jì)算機(jī)設(shè)備的結(jié)構(gòu)示意圖。

具體實(shí)施方式

下面詳細(xì)描述本發(fā)明的實(shí)施例，所述實(shí)施例的示例在附圖中示出，其中自始至終相同或類似的標(biāo)號(hào)表示相同或類似的元件或具有相同或類似功能的元件。下面通過(guò)參考附圖描述的實(shí)施例是示例性的，旨在用于解釋本發(fā)明，而不能理解為對(duì)本發(fā)明的限制。

下面參考附圖描述本發(fā)明實(shí)施例的基于人工智能的搜索信息解析方法及裝置。

圖1為本發(fā)明實(shí)施例提供的基于人工智能的搜索信息解析方法的流程示意圖。

如圖1所示，該基于人工智能的搜索信息解析方法包括以下步驟：

s101，獲取標(biāo)注數(shù)據(jù)。

其中，所述標(biāo)注數(shù)據(jù)包括標(biāo)注的搜索實(shí)例、標(biāo)注的模板實(shí)例、搜索意圖的領(lǐng)域以及所述領(lǐng)域下的類別，以及詞語(yǔ)的屬性以及各屬性包括的實(shí)體詞語(yǔ)。

本實(shí)施例中，用戶可以按照搜索意圖對(duì)事物進(jìn)行領(lǐng)域劃分，劃分完成之后，可以對(duì)搜索意圖所屬的領(lǐng)域進(jìn)行標(biāo)注。一般情況下，不同的領(lǐng)域有可以包括多個(gè)類別，用戶還可以對(duì)各個(gè)類別進(jìn)行標(biāo)注。例如，搜索意圖的領(lǐng)域可以包括：天氣、美食、電影等。美食下面可以包括多個(gè)類別：魯菜、川菜、粵菜等菜系、火鍋、燒烤以及自助等各種形式。天氣可以包括多個(gè)類別：陰天、多云、晴天、雨雪等各種天氣狀況。在查詢天氣時(shí)，用戶一般情況下會(huì)查詢某個(gè)地點(diǎn)某個(gè)時(shí)間點(diǎn)天氣情況，因此可以將地點(diǎn)和時(shí)間作為一個(gè)詞語(yǔ)的屬性，并且可以對(duì)每個(gè)屬性設(shè)置一些實(shí)體詞。例如，可以為地點(diǎn)(loc)這一屬性標(biāo)注“北京”、“上?！?、“深圳”“天津”等實(shí)體詞語(yǔ)。時(shí)間(time)這一屬性標(biāo)注“今天”“明天”等實(shí)體詞語(yǔ)。

本實(shí)施例中，用戶可以分析一個(gè)搜索實(shí)例然后標(biāo)注該搜索實(shí)例對(duì)應(yīng)的搜索意圖所屬的領(lǐng)域以及涉及的各個(gè)詞語(yǔ)的屬性等。以“北京今天天氣”作為一個(gè)搜索實(shí)例，對(duì)該搜索實(shí)例進(jìn)行標(biāo)注后，可以得到一條標(biāo)注數(shù)據(jù)“北京今天天氣weatherinfosys_loc：北京sys_time：今天”，再例如，以“今天下雨嗎”作為一個(gè)搜索實(shí)例，對(duì)該搜索實(shí)例進(jìn)行標(biāo)注后，可以得到一條標(biāo)注數(shù)據(jù)“今天下雨嗎sys_rainsys_time：今天”。

本實(shí)施例中，用戶可以構(gòu)建一些模板實(shí)例，可以對(duì)模塊實(shí)例進(jìn)行標(biāo)注，例如，可以將“某地某時(shí)下雨嗎”作為一個(gè)模板實(shí)例，從中可以得知某地的屬性為loc屬性，某時(shí)為time屬性，下雨為天氣領(lǐng)域下的一個(gè)類別，進(jìn)而可以對(duì)該模板實(shí)例進(jìn)行標(biāo)識(shí)，形成一個(gè)標(biāo)注數(shù)據(jù)，“[d：sys_loc][d：sys_time]下雨嗎sys_rain”。此處需要說(shuō)明的是，用戶可以根據(jù)自身的需求設(shè)置一個(gè)模板實(shí)例進(jìn)行標(biāo)注，例如還可以標(biāo)注一個(gè)模板實(shí)例為“[d：sys_loc][d：sys_time]天氣weatherinfo”，此處僅為示例，不能作為限制本發(fā)明的條件。另外，需要說(shuō)明的是，還可以根據(jù)標(biāo)注的搜索實(shí)例，自動(dòng)生成模板，相關(guān)介紹在后續(xù)實(shí)施例中進(jìn)行介紹，此處不再贅述。

經(jīng)過(guò)上述處理之后，可以得到標(biāo)注數(shù)據(jù)，在標(biāo)注數(shù)據(jù)中包括標(biāo)注的搜索實(shí)例以已標(biāo)注的模板實(shí)例、搜索意圖的領(lǐng)域以及所述領(lǐng)域下的類別，以及詞語(yǔ)的屬性以及各屬性包括的實(shí)體詞語(yǔ)。

以天氣查詢這一使用場(chǎng)景為例，獲取到下面的標(biāo)注數(shù)據(jù)：

schema

intent：weatherinfo|sys_rain

slots：sys_loc＝北京|上海……

sys_time＝今天|明天

標(biāo)注實(shí)例

北京今天天氣weatherinfosys_loc：北京sys_time：今天

今天下雨嗎sys_rainsys_time：今天

[d：sys_loc][d：sys_time]下雨嗎sys_rain

需要說(shuō)明的是，weatherinfo用于表示領(lǐng)域，sys_rain為一個(gè)該領(lǐng)域下的一個(gè)類別，sys_loc以及sys_time為詞語(yǔ)的屬性，北京|上?！瓰閟ys_loc屬性下的實(shí)體詞，今天|明天為sys_time屬性下的實(shí)體詞。其中，“北京今天天氣weatherinfosys_loc：北京sys_time：今天”以及“今天下雨嗎sys_rainsys_time：今天”為標(biāo)注的搜索實(shí)例，“[d：sys_loc][d：sys_time]下雨嗎sys_rain”為標(biāo)注的模板實(shí)例。

需要說(shuō)明的是，上述標(biāo)注數(shù)據(jù)僅為示例不能作為限制本發(fā)明的條件。

s102、對(duì)標(biāo)注數(shù)據(jù)進(jìn)行訓(xùn)練，生成實(shí)例詞典、模板詞典和倒排詞典。

其中，實(shí)例詞典包括所述搜索實(shí)例以及所述搜索實(shí)例的標(biāo)注；所述模板詞典包括屬性、領(lǐng)域和/或類別的組合；所述倒排詞典包括分詞與已標(biāo)注的搜索實(shí)體的對(duì)應(yīng)關(guān)系。

在獲取到標(biāo)注數(shù)據(jù)后，可以對(duì)標(biāo)注數(shù)據(jù)進(jìn)行訓(xùn)練，該訓(xùn)練的過(guò)程可以離線進(jìn)行，以節(jié)省資源。在訓(xùn)練過(guò)程中可以從標(biāo)注數(shù)據(jù)中提取出已標(biāo)注的搜索實(shí)例，可以利用已標(biāo)注的搜索實(shí)例生成實(shí)例詞典，進(jìn)一步地，還可以從標(biāo)注數(shù)據(jù)中提取出已標(biāo)注的模板實(shí)例，可以根據(jù)已標(biāo)注的模板實(shí)例生成模板詞典。進(jìn)一步地，可以將已標(biāo)注的搜索實(shí)例和模板實(shí)例進(jìn)行結(jié)合，基于分詞倒排索引技術(shù)，形成一個(gè)倒排詞典。

s103、獲取待識(shí)別的目標(biāo)搜索信息。

用戶根據(jù)自己的意圖進(jìn)行搜索，可以在搜索引擎、瀏覽器、網(wǎng)頁(yè)或者應(yīng)用程序中輸入一個(gè)新的query，該新的query就是待識(shí)別的目標(biāo)query。

s104、基于實(shí)例詞典、模板詞典以及倒排詞典，對(duì)目標(biāo)搜索信息進(jìn)行解析識(shí)別，得到與目標(biāo)搜索信息對(duì)應(yīng)的目標(biāo)解析結(jié)果。

具體地，可以為實(shí)例詞典、模板詞典以及倒排詞典設(shè)置一個(gè)優(yōu)先級(jí)，可以根據(jù)設(shè)置的優(yōu)先級(jí)逐個(gè)詞典進(jìn)行匹配，得到目標(biāo)query的目標(biāo)解析結(jié)果。優(yōu)選地，可以按照三個(gè)詞典的解析精度設(shè)置優(yōu)先級(jí)，解析精度越高詞典的優(yōu)先級(jí)也越高。例如，實(shí)例詞典在三個(gè)詞典中解析精度最高，此處可以實(shí)例詞典的優(yōu)先級(jí)設(shè)置成最高級(jí)別。

在對(duì)目標(biāo)query解析的過(guò)程中，按照為三個(gè)詞典設(shè)置的優(yōu)先級(jí)，依次使用其中一個(gè)目標(biāo)詞典對(duì)目標(biāo)query進(jìn)行解析，當(dāng)根據(jù)目標(biāo)詞典獲取到目標(biāo)解析結(jié)果時(shí)，停止利用下一詞典對(duì)目標(biāo)query進(jìn)行解析。例如，三個(gè)詞典的優(yōu)先級(jí)設(shè)置為“實(shí)例詞典”＞“模板詞典”＞“倒排詞典”，首先利用實(shí)例詞典對(duì)目標(biāo)query進(jìn)行解析，如果能夠獲取到目標(biāo)解析結(jié)果，停止利用模板詞典對(duì)目標(biāo)query進(jìn)行解析。如果從實(shí)例詞典中未獲取到目標(biāo)解析結(jié)果，還需要繼續(xù)利用模板詞典對(duì)目標(biāo)query進(jìn)行解析，如果能夠獲取到目標(biāo)解析結(jié)果，停止利用倒排詞典對(duì)目標(biāo)query進(jìn)行解析。如果從模板詞典中未獲取到目標(biāo)解析結(jié)果，還需要繼續(xù)利用倒排詞典對(duì)目標(biāo)query進(jìn)行解析。

本發(fā)明實(shí)施例的基于人工智能的搜索信息解析方法，通過(guò)獲取標(biāo)注數(shù)據(jù)，然后離線過(guò)程中對(duì)標(biāo)注數(shù)據(jù)進(jìn)行訓(xùn)練分析，形成可以用于對(duì)query解析的實(shí)例詞典、模板詞典以及倒排詞典。在對(duì)query進(jìn)行解析的過(guò)程中，只需要將三種詞典作為依據(jù)，就可以自動(dòng)完成對(duì)query的解析，不再依賴專業(yè)人員的經(jīng)驗(yàn)，而且通過(guò)三種詞典對(duì)query的解析是整體解析，不會(huì)存在信息丟失的問(wèn)題。由于三種詞典都可以給出query的一個(gè)解析結(jié)果可以利用三個(gè)詞典逐個(gè)對(duì)query進(jìn)行解析，以獲取到query的解析結(jié)果，從而能夠提高識(shí)別出query的概率。

為了更加清楚地說(shuō)明上述實(shí)施例提供的基于人工智能的搜索信息解析方法，圖2為本實(shí)施例提供另一種對(duì)所述標(biāo)注數(shù)據(jù)進(jìn)行訓(xùn)練，生成實(shí)例詞典、模板詞典和倒排詞典的流程示意圖。如圖2所示，該對(duì)標(biāo)注數(shù)據(jù)進(jìn)行訓(xùn)練，生成實(shí)例詞典、模板詞典和倒排詞典包括以下步驟：

s201、從標(biāo)注數(shù)據(jù)提取已標(biāo)注的搜索實(shí)例作為實(shí)例數(shù)據(jù)。

在獲取到標(biāo)注數(shù)據(jù)后，可以在離線訓(xùn)練的過(guò)程中，可以對(duì)標(biāo)注數(shù)據(jù)的實(shí)質(zhì)內(nèi)容進(jìn)行分析，從中可以識(shí)別出已標(biāo)注的搜索實(shí)例，將已標(biāo)注的搜索實(shí)例作為實(shí)例數(shù)據(jù)?；谏鲜鎏鞖獠樵兊氖纠?，實(shí)例數(shù)據(jù)為“北京今天天氣weatherinfosys_loc：北京sys_time：今天”以及“今天下雨嗎sys_rainsys_time：今天”。

s202、對(duì)所有的搜索實(shí)例中的關(guān)鍵信息進(jìn)行抽象，獲取所述搜索實(shí)例下各關(guān)鍵詞的屬性以及所述搜索實(shí)例所對(duì)應(yīng)的領(lǐng)域，對(duì)所有屬性、領(lǐng)域和/或領(lǐng)域下的類別進(jìn)行組合形成模板數(shù)據(jù)。

具體地，對(duì)已標(biāo)注的搜索實(shí)例進(jìn)行切詞，從中獲取到已標(biāo)注的搜索實(shí)例中關(guān)鍵信息，進(jìn)一步地可以對(duì)關(guān)鍵信息進(jìn)行抽象統(tǒng)一，可以抽象出關(guān)鍵信息的屬性。例如，“北京今天天氣weatherinfosys_loc：北京sys_time：今天”切詞后，“北京”“今天”可以作為關(guān)鍵信息。在獲取到關(guān)鍵信息進(jìn)行抽象歸類，可以分析關(guān)鍵信息的屬性，“北京”的屬性為“l(fā)oc”，“今天”的屬性為“time”。

進(jìn)一步地，根據(jù)已標(biāo)注的搜索實(shí)例可以確定出query的領(lǐng)域，例如可以根據(jù)“天氣”這一切詞，可以確定該搜索實(shí)體所屬的領(lǐng)域?yàn)椤皐eatherinfo”。

在確定出搜索實(shí)例的關(guān)鍵信息的所有屬性后，可以所有屬性、領(lǐng)域和/或領(lǐng)域下的類別進(jìn)行組合形成模板數(shù)據(jù)。上述形成模板數(shù)據(jù)的過(guò)程是一個(gè)自動(dòng)的過(guò)程，不再需要用戶進(jìn)行模板實(shí)例的構(gòu)建和標(biāo)注。

作為一種可能實(shí)現(xiàn)方式，如圖3為本實(shí)施例提供的一種模板數(shù)據(jù)形成的示意圖。首先，對(duì)標(biāo)注的搜索實(shí)例進(jìn)行槽位抽取，其中槽位即為搜索實(shí)例中關(guān)鍵信息，然后結(jié)合停用詞表從獲取到關(guān)鍵信息中去除停用詞，然后按照對(duì)所有的搜索實(shí)例中的關(guān)鍵信息進(jìn)行抽象，獲取所述搜索實(shí)例下各關(guān)鍵詞的屬性以及所述搜索實(shí)例所對(duì)應(yīng)的領(lǐng)域，對(duì)所有屬性、領(lǐng)域和/或領(lǐng)域下的類別進(jìn)行組合形成模板數(shù)據(jù)的具體內(nèi)容。圖3中左側(cè)為模板數(shù)據(jù)形成過(guò)程的示意圖，右側(cè)為一個(gè)具體的示例。對(duì)“北京今天的天氣weatherinfosys_loc：北京sys_time：今天”切詞后“北京”“今天”“的”“天氣”，其中“北京”的屬性為“sys_loc”“今天”的屬性為“sys_time”，經(jīng)過(guò)處理后，最終形成一個(gè)模板[d：sys_loc][d：sys_time]天氣“weather”。

s203、對(duì)實(shí)例數(shù)據(jù)進(jìn)行結(jié)構(gòu)化處理形成實(shí)例詞典。

為了使實(shí)例詞典具有通用性，可以對(duì)所有的實(shí)例數(shù)據(jù)進(jìn)行結(jié)構(gòu)化處理，得到符合一定規(guī)則的實(shí)例詞典。例如，將實(shí)例數(shù)據(jù)的文字表達(dá)轉(zhuǎn)換成二進(jìn)制表達(dá)，形成一個(gè)實(shí)例詞典。

s204、對(duì)模板數(shù)據(jù)進(jìn)行結(jié)構(gòu)化處理形成模板詞典。

為了使實(shí)例詞典具有通用性，可以對(duì)所有的實(shí)例數(shù)據(jù)進(jìn)行結(jié)構(gòu)化處理，得到符合一定規(guī)則的實(shí)例詞典。例如，將實(shí)例數(shù)據(jù)的文字表達(dá)轉(zhuǎn)換成二進(jìn)制表達(dá)，形成一個(gè)實(shí)例詞典。

s205、對(duì)實(shí)例數(shù)據(jù)和模板數(shù)據(jù)進(jìn)行分詞倒排索引，形成倒排詞典。

基于實(shí)例數(shù)據(jù)和模板數(shù)據(jù)進(jìn)行切詞后，基于分詞倒排索引算法，形成倒排詞典，該倒排詞典中包括：分詞與各已標(biāo)注的搜索實(shí)例的之間的映射關(guān)系。

圖4為本發(fā)明實(shí)施例提供的另一種基于人工智能的搜索信息解析方法的流程示意圖。如圖4所示，該基于人工智能的搜索信息解析方法包括以下步驟：

s301、獲取標(biāo)注數(shù)據(jù)。

關(guān)于標(biāo)注數(shù)據(jù)的獲取過(guò)程此處不再贅述，可參見(jiàn)上述實(shí)施例中相關(guān)內(nèi)容的記載。

本實(shí)施例中，以購(gòu)買到某地的車票為例，獲取到標(biāo)注數(shù)據(jù)：

到石家莊的車票＝>end_loc:石家莊

去北京的車票＝>end_loc:北京

s302、對(duì)標(biāo)注數(shù)據(jù)進(jìn)行同義詞擴(kuò)展，得到擴(kuò)展后標(biāo)注數(shù)據(jù)。

為了實(shí)現(xiàn)豐富標(biāo)注數(shù)據(jù)，以形成覆蓋更多詞語(yǔ)的詞典，可以利用同義詞對(duì)標(biāo)注數(shù)據(jù)進(jìn)行擴(kuò)展。

例如“到”“去”的同義詞可以為“去往”“開(kāi)往”等，從而可以形成擴(kuò)展后標(biāo)注數(shù)據(jù)：

到石家莊的車票＝>end_loc:石家莊

去北京的車票＝>end_loc:北京

去往石家莊的車票＝>end_loc:石家莊

去往北京的車票＝>end_loc:北京

s303、對(duì)擴(kuò)展后標(biāo)注數(shù)據(jù)進(jìn)行訓(xùn)練，生成實(shí)例詞典、模板詞典和倒排詞典。

本實(shí)施例中，在獲取到擴(kuò)展后標(biāo)注數(shù)據(jù)后，按照上述實(shí)施例中s102、圖2以及圖3中相關(guān)內(nèi)容的記載，此處不再贅述。

s304、獲取待識(shí)別的目標(biāo)搜索信息。

s305、對(duì)目標(biāo)搜索信息的片段進(jìn)行同義詞擴(kuò)展，得到同義搜索信息。

為了提高目標(biāo)query解析成功的概率，可以對(duì)目標(biāo)query中的片段進(jìn)行同義擴(kuò)展，得到同義query。

s306、基于實(shí)例詞典、模板詞典以及倒排詞典，對(duì)同義搜索信息進(jìn)行解析識(shí)別，得到與同義搜索信息對(duì)應(yīng)的解析結(jié)果作為目標(biāo)解析結(jié)果。

基于三種詞典的識(shí)別過(guò)程可以參見(jiàn)上述實(shí)施例中相關(guān)內(nèi)容的記載。此處不再贅述。

當(dāng)目標(biāo)詞典為實(shí)例詞典時(shí)，將目標(biāo)query在實(shí)例詞典中進(jìn)行匹配，如果匹配出與目標(biāo)query一致的目標(biāo)搜索實(shí)例，根據(jù)目標(biāo)搜索實(shí)例的標(biāo)注形成目標(biāo)解析結(jié)果。

進(jìn)一步地，當(dāng)目標(biāo)詞典為模板詞典時(shí)，提取目標(biāo)query中的關(guān)鍵信息，根據(jù)關(guān)鍵信息在模板詞典中進(jìn)行匹配，得到與目標(biāo)query對(duì)應(yīng)的目標(biāo)模板，基于目標(biāo)模板對(duì)目標(biāo)query進(jìn)行解析，得到目標(biāo)解析結(jié)果。

進(jìn)一步地，當(dāng)目標(biāo)詞典為倒排詞典時(shí)，可以基于倒排詞典對(duì)目標(biāo)query進(jìn)行解析，如圖5為本實(shí)施例提供的基于倒排詞典對(duì)目標(biāo)query解析的過(guò)程示意圖。首先，對(duì)目標(biāo)query進(jìn)行分片段，結(jié)合同義詞表對(duì)目標(biāo)query中的片段進(jìn)行擴(kuò)展，結(jié)合修飾搭配詞表和停用詞表對(duì)分詞進(jìn)行篩選，然后在倒排詞典中進(jìn)行倒排索引，得到第一候選相似query集合，在獲取到第一候選相似query集合后，對(duì)第一候選query集合進(jìn)行篩選，得到第二候選相似query集合。進(jìn)一步地，結(jié)合相似度計(jì)算，得到最終的目標(biāo)相似query，將目標(biāo)相似query的解析結(jié)果作為目標(biāo)解析結(jié)果。其中，目標(biāo)相似query與待識(shí)別的目標(biāo)query的相似度最高。

在通過(guò)倒排索引得到第一候選相似query集合之后，可以通過(guò)k路歸并計(jì)算出第一候選相似query集合中每個(gè)相似query對(duì)待識(shí)別的目標(biāo)query的覆蓋度，然后可以根據(jù)覆蓋對(duì)第一候選相似query集合進(jìn)行篩選，得到第二候選相似query集合，以實(shí)現(xiàn)對(duì)第一候選相似query集合的優(yōu)化，減少候選相似query的數(shù)量。

例如，對(duì)覆蓋度進(jìn)行排序，按照從高到低的順序，選取預(yù)設(shè)個(gè)數(shù)的相似query形成第二候選相似query集合。再例如，可以選取覆蓋度超過(guò)預(yù)設(shè)的閾值的相似query構(gòu)成第二候選相似query集合。

進(jìn)一步地，計(jì)算待識(shí)別的目標(biāo)query與第二候選相似query集合中每個(gè)相似query的相似度，根據(jù)相似度從第二候選相似query集合中選取與目標(biāo)query相似最高的作為目標(biāo)相似query?？梢栽O(shè)置一個(gè)相似度閾值，將相似度超出該閾值的相似query作為目標(biāo)相似query。如果不存在相似度超出該閾值的相似query，可以所有相似度從中選擇相似度高的部分相似query作為目標(biāo)相似query。

本實(shí)施例中，可以基于一個(gè)構(gòu)建的相似度計(jì)算模塊進(jìn)行語(yǔ)義相似度計(jì)算。如圖6所示，其為一個(gè)相似度計(jì)算模型的構(gòu)建示意圖。對(duì)query進(jìn)行采集，然后基于采集的query形成訓(xùn)練語(yǔ)料，結(jié)合線下資源同義詞表、修飾搭配詞表以及停用詞表，對(duì)訓(xùn)練語(yǔ)料進(jìn)行特征提取，得到知識(shí)庫(kù)特征、語(yǔ)義相似度特征、字面相似度特征以及結(jié)構(gòu)相似度特征。其中，知識(shí)庫(kù)特征主要包括：同義特征、修飾特征、搭配特征以及停用詞特征。在獲取到這些特征后，可以使用迭代的決策樹(shù)算法(gradientboostingdecisiontree，簡(jiǎn)稱gbdt)進(jìn)行學(xué)習(xí)形成一個(gè)相似度計(jì)算模型。在獲取到相似度計(jì)算模型后，可以基于該相似度計(jì)算模型來(lái)識(shí)別新的query與候選query之間的相似度。

以“北京今天的天氣情況”為例，結(jié)合倒排詞典進(jìn)行解析，解析過(guò)程如圖7所示。對(duì)“北京今天的天氣情況”切詞得到“北京”and“今天”and“天氣”or“氣候”。倒排詞典中與“北京”存在映射關(guān)系的搜索實(shí)體的標(biāo)識(shí)碼為“0，3，4，5”，與“今天”存在映射關(guān)系的搜索實(shí)體的標(biāo)識(shí)碼為“2，4”，與“天氣”存在映射關(guān)系的搜索實(shí)體的標(biāo)識(shí)碼為“0，3，4”，與“氣候”存在映射關(guān)系的搜索實(shí)體的標(biāo)識(shí)碼為“6”。根據(jù)k路歸并后，可以得到三個(gè)候選解析結(jié)果“北京今天如何”“北京的天氣”“今天的天氣”，然后將query與每個(gè)候選解析結(jié)果進(jìn)行相似度計(jì)算，可以得到[北京今天的天氣情況，北京今天的天氣如何]相似度為0.9，[北京今天的天氣情況，北京的天氣]相似度為0.6，[北京今天的天氣情況，今天的天氣]相似度為0.6。從中可以選取出相似度最高query為“北京的今天的天氣如何”，從而可以確定出目標(biāo)解析結(jié)果為“intent＝weatherslots：sys_loc＝北京sys_time＝今天”。

下面結(jié)合購(gòu)票場(chǎng)景，對(duì)本實(shí)施例進(jìn)行解釋說(shuō)明。

標(biāo)注數(shù)據(jù)為：到石家莊的車票＝>end_loc:石家莊

去北京的車票＝>end_loc:北京

實(shí)例詞典為：到石家莊的車票＝>end_loc:石家莊

去北京的車票＝>end_loc:北京

利用實(shí)例詞典對(duì)目標(biāo)query進(jìn)行在線識(shí)別：

待解析的目標(biāo)query：到石家莊的車票＝>end_loc:石家莊

待解析的目標(biāo)query：去北京的車票＝>end_loc:北京

待解析的目標(biāo)query：到北京的車票＝>無(wú)法識(shí)別

待解析的目標(biāo)query：去石家莊的車票＝>無(wú)法識(shí)別

可以看出實(shí)例詞典生效是一一對(duì)應(yīng)的生效方式，只有待識(shí)別的query與用戶標(biāo)注過(guò)的搜索實(shí)例完全匹配時(shí)，才能找到對(duì)應(yīng)的結(jié)果，而利用用戶標(biāo)注過(guò)的關(guān)鍵信息沒(méi)法自動(dòng)擴(kuò)展上下文進(jìn)行自動(dòng)標(biāo)注。

當(dāng)目標(biāo)詞典為模板詞典時(shí)，模板詞典具有一定的泛化能力，可以用戶標(biāo)注過(guò)的搜索實(shí)例和實(shí)體詞，自動(dòng)將目標(biāo)query中的關(guān)鍵信息對(duì)應(yīng)到其他實(shí)體詞上。

利用該實(shí)例詞典對(duì)目標(biāo)query進(jìn)行在線識(shí)別：

標(biāo)注數(shù)據(jù)為：到石家莊的車票＝>end_loc:石家莊

去北京的車票＝>end_loc:北京

模板詞典為：到[end_loc]的車票

去[end_loc]的車票

利用模板詞典對(duì)目標(biāo)query進(jìn)行在線識(shí)別：

待識(shí)別的目標(biāo)query：到北京的車票＝>end_loc:北京

待識(shí)別的目標(biāo)query：去石家莊的車票＝>end_loc:石家莊

當(dāng)目標(biāo)詞典為倒排詞典時(shí)，倒排詞典具有較強(qiáng)的泛化能力，可以為待識(shí)別的目標(biāo)query獲取到多個(gè)候選解析結(jié)果。

標(biāo)注數(shù)據(jù)為：到石家莊的車票＝>end_loc:石家莊

去北京的車票＝>end_loc:北京

倒排詞典：北京——去北京的車票end_loc:北京

車票——去北京的車票end_loc:北京以及＝>到石家莊的車票end_loc:石家莊

利用倒排詞典對(duì)目標(biāo)query進(jìn)行在線識(shí)別：

待識(shí)別的目標(biāo)query：到北京的車票

北京＝>去北京的車票end_loc:北京

車票＝>去北京的車票end_loc:北京和到石家莊的車票end_loc:石家莊

最終可以識(shí)別出end_loc:北京作為目標(biāo)解析結(jié)果。

以天氣查詢這一使用場(chǎng)景為例，圖8為本發(fā)明實(shí)施例提供的基于人工智能的搜索信息解析方法的應(yīng)用示意圖。如圖8基于人工智能的搜索信息解析過(guò)程包括離線訓(xùn)練部分和在寫識(shí)別部分。

離線訓(xùn)練部分：獲取到下面的標(biāo)注數(shù)據(jù)：

schema

intent：weatherinfo|sys_rain

slots：sys_loc＝北京|上?！?/p>

sys_time＝今天|明天

標(biāo)注實(shí)例

北京今天天氣weatherinfosys_loc：北京sys_time：今天

今天下雨嗎sys_rainsys_time：今天

[d：sys_loc][d：sys_time]下雨嗎sys_rain

需要說(shuō)明的是，weatherinfo用于表示領(lǐng)域，sys_rain為一個(gè)該領(lǐng)域下的一個(gè)類別，sys_loc以及sys_time為詞語(yǔ)的屬性，北京|上?！瓰閟ys_loc屬性下的實(shí)體詞，今天|明天為sys_time屬性下的實(shí)體詞。其中，“北京今天天氣weatherinfosys_loc：北京sys_time：今天”以及“今天下雨嗎sys_rainsys_time：今天”為標(biāo)注的搜索實(shí)例，“[d：sys_loc][d：sys_time]下雨嗎sys_rain”為標(biāo)注的模板實(shí)例。

進(jìn)一步地，將標(biāo)準(zhǔn)的搜索實(shí)例作為實(shí)例數(shù)據(jù)，將標(biāo)準(zhǔn)的模板實(shí)例作為模板數(shù)據(jù)?；趯?shí)例數(shù)據(jù)得到實(shí)例詞典，基于模板數(shù)據(jù)得到模板詞典，并且基于實(shí)例數(shù)據(jù)和模板數(shù)據(jù)形成倒排詞典。

在獲取到三個(gè)詞典后，可以利用三個(gè)詞典進(jìn)行目標(biāo)query進(jìn)行在線解析。圖8中給出了在線解析的具體過(guò)程，按照優(yōu)先級(jí)基于實(shí)例詞典高精度匹配，得到目標(biāo)解析結(jié)果，基于模板詞典模板匹配得到目標(biāo)解析結(jié)果，以及基于倒排詞典進(jìn)行泛化匹配，得到目標(biāo)解析結(jié)果。具體過(guò)程此處不再贅述，可參見(jiàn)上述實(shí)施例中相關(guān)內(nèi)容的記載。

通過(guò)上述圖8提供基于人工智能的搜索信息解析方法，可以對(duì)用戶輸入的多個(gè)類別的query進(jìn)行解析結(jié)果覆蓋率的測(cè)試。測(cè)試的query包括阿拉丁天氣、度秘天氣、阿拉丁電影、度秘電影。在人工標(biāo)注數(shù)據(jù)<＝100的情況下，覆蓋率可以達(dá)到45％～75％，針對(duì)個(gè)別口語(yǔ)化程度低的類目，標(biāo)注數(shù)據(jù)在10條的情況下，覆蓋率即可接近90％。具體效果如圖9所示。

圖10為本發(fā)明實(shí)施例提供的一種基于人工智能的搜索信息解析裝置的結(jié)構(gòu)示意圖。如圖10所示，該基于人工智能的搜索信息解析裝置包括：第一獲取模塊11、詞典生成模塊12、第二獲取模塊13和解析模塊14。

第一獲取模塊11，用于獲取標(biāo)注數(shù)據(jù)，其中，所述標(biāo)注數(shù)據(jù)包括標(biāo)注的搜索實(shí)例以已標(biāo)注的模板實(shí)例、搜索意圖的領(lǐng)域以及所述領(lǐng)域下的類別，以及詞語(yǔ)的屬性以及各屬性包括的實(shí)體詞語(yǔ)；

詞典生成模塊12，用于對(duì)所述標(biāo)注數(shù)據(jù)進(jìn)行訓(xùn)練，生成實(shí)例詞典、模板詞典和倒排詞典，其中，所述實(shí)例詞典包括所述搜索實(shí)例以及所述搜索實(shí)例的標(biāo)注；所述模板詞典包括屬性、領(lǐng)域和/或類別的組合；所述倒排詞典包括分詞與已標(biāo)注的搜索實(shí)體的對(duì)應(yīng)關(guān)系。

第二獲取模塊13，用于獲取待識(shí)別的目標(biāo)搜索信息。

解析模塊14，用于基于所述實(shí)例詞典、所述模板詞典以及所述倒排詞典，對(duì)所述目標(biāo)搜索信息進(jìn)行解析，得到與所述目標(biāo)搜索信息對(duì)應(yīng)的目標(biāo)解析結(jié)果。

進(jìn)一步地，詞典生成模塊12，具體用于：

從所述標(biāo)注數(shù)據(jù)提取已標(biāo)注的所述搜索實(shí)例作為實(shí)例數(shù)據(jù)；

對(duì)所有的所述搜索實(shí)例中的關(guān)鍵信息進(jìn)行抽象，獲取所述搜索實(shí)例下各關(guān)鍵信息的屬性以及所述搜索實(shí)例所對(duì)應(yīng)的領(lǐng)域，對(duì)所有屬性、領(lǐng)域和/或領(lǐng)域下的類別進(jìn)行組合形成模板數(shù)據(jù)；

對(duì)所述實(shí)例數(shù)據(jù)進(jìn)行結(jié)構(gòu)化處理形成所述實(shí)例詞典；

對(duì)所述模板數(shù)據(jù)進(jìn)行結(jié)構(gòu)化處理形成所述模板詞典；

對(duì)所述實(shí)例數(shù)據(jù)和所述模板數(shù)據(jù)進(jìn)行分詞倒排索引，形成所述倒排詞典。

進(jìn)一步地，解析模塊14，具體用于：

按照為三個(gè)詞典設(shè)置的優(yōu)先級(jí)，依次使用其中一個(gè)目標(biāo)詞典對(duì)所述目標(biāo)搜索信息進(jìn)行解析；

當(dāng)根據(jù)所述目標(biāo)詞典獲取到所述目標(biāo)解析結(jié)果時(shí)，停止利用下一詞典對(duì)所述目標(biāo)搜索信息進(jìn)行解析。

進(jìn)一步地，解析模塊14，具體用于：

當(dāng)所述目標(biāo)詞典為所述實(shí)例詞典時(shí)，將所述目標(biāo)搜索信息在所述實(shí)例詞典中進(jìn)行匹配；

如果匹配出與所述目標(biāo)搜索信息一致的目標(biāo)搜索實(shí)例，根據(jù)所述目標(biāo)搜索實(shí)例的標(biāo)注形成所述目標(biāo)解析結(jié)果。

進(jìn)一步地，解析模塊14，具體用于：

當(dāng)所述目標(biāo)詞典為所述模板詞典時(shí)，提取所述目標(biāo)搜索信息中的關(guān)鍵信息；

根據(jù)所述關(guān)鍵信息在所述模板詞典中進(jìn)行匹配，得到與所述目標(biāo)搜索信息對(duì)應(yīng)的目標(biāo)模板；

基于所述目標(biāo)模板對(duì)所述目標(biāo)搜索信息進(jìn)行解析，得到所述目標(biāo)解析結(jié)果。

進(jìn)一步地，解析模塊14，具體用于：

當(dāng)所述目標(biāo)詞典為所述倒排詞典時(shí)，對(duì)所述目標(biāo)搜索信息進(jìn)行分詞；

根據(jù)所述分詞在所述倒排詞典中進(jìn)行倒排索引，得到第一候選相似搜索信息集合；

對(duì)所述第一候選相似搜索信息集合進(jìn)行k路歸并，得到所述第一候選相似搜索信息集合中每個(gè)相似搜索信息對(duì)所述目標(biāo)搜索信息的覆蓋度，根據(jù)所述覆蓋度對(duì)所述第一候選相似搜索信息集合進(jìn)行篩選，得到第二候選相似搜索信息；

計(jì)算所述目標(biāo)搜索信息與第二候選相似搜索信息中每個(gè)相似搜索信息的相似度；

根據(jù)所述相似度從所述第二候選相似搜索信息集合中選取所述目標(biāo)搜索信息相似度最高的目標(biāo)相似搜索信息)，并將所述目標(biāo)相似搜索信息對(duì)應(yīng)的解析結(jié)果作為所述目標(biāo)解析結(jié)果。

進(jìn)一步地，所述的基于人工智能的搜索信息解析裝置，還包括：

擴(kuò)展模塊15，用于對(duì)所述標(biāo)注數(shù)據(jù)或者所述搜索信息進(jìn)行同義擴(kuò)展。

本發(fā)明實(shí)施例的基于人工智能的搜索信息解析裝置，通過(guò)獲取標(biāo)注數(shù)據(jù)，然后離線過(guò)程中對(duì)標(biāo)注數(shù)據(jù)進(jìn)行訓(xùn)練分析，形成可以用于對(duì)query解析的實(shí)例詞典、模板詞典以及倒排詞典。在對(duì)query進(jìn)行解析的過(guò)程中，只需要將三種詞典作為依據(jù)，就可以自動(dòng)完成對(duì)query的解析，不再依賴專業(yè)人員的經(jīng)驗(yàn)，而且通過(guò)三種詞典對(duì)query的解析是整體解析，不會(huì)存在信息丟失的問(wèn)題。由于三種詞典都可以給出query的一個(gè)解析結(jié)果可以利用三個(gè)詞典逐個(gè)對(duì)query進(jìn)行解析，以獲取到query的解析結(jié)果，從而能夠提高識(shí)別出query的概率。

圖11示出了適于用來(lái)實(shí)現(xiàn)本申請(qǐng)實(shí)施方式的示例性計(jì)算機(jī)設(shè)備20的框圖。圖11顯示的計(jì)算機(jī)設(shè)備20僅僅是一個(gè)示例，不應(yīng)對(duì)本申請(qǐng)實(shí)施例的功能和使用范圍帶來(lái)任何限制。

如圖11所示，計(jì)算機(jī)設(shè)備20以通用計(jì)算設(shè)備的形式表現(xiàn)。計(jì)算機(jī)設(shè)備20的組件可以包括但不限于：一個(gè)或者多個(gè)處理器或者處理單元21，系統(tǒng)存儲(chǔ)器22，連接不同系統(tǒng)組件(包括系統(tǒng)存儲(chǔ)器22和處理單元21)的總線23。

總線23表示幾類總線結(jié)構(gòu)中的一種或多種，包括存儲(chǔ)器總線或者存儲(chǔ)器控制器，外圍總線，圖形加速端口，處理器或者使用多種總線結(jié)構(gòu)中的任意總線結(jié)構(gòu)的局域總線。舉例來(lái)說(shuō)，這些體系結(jié)構(gòu)包括但不限于工業(yè)標(biāo)準(zhǔn)體系結(jié)構(gòu)(industrystandardarchitecture；以下簡(jiǎn)稱：isa)總線，微通道體系結(jié)構(gòu)(microchannelarchitecture；以下簡(jiǎn)稱：mac)總線，增強(qiáng)型isa總線、視頻電子標(biāo)準(zhǔn)協(xié)會(huì)(videoelectronicsstandardsassociation；以下簡(jiǎn)稱：vesa)局域總線以及外圍組件互連(peripheralcomponentinterconnection；以下簡(jiǎn)稱：pci)總線。

計(jì)算機(jī)設(shè)備20典型地包括多種計(jì)算機(jī)系統(tǒng)可讀介質(zhì)。這些介質(zhì)可以是任何能夠被計(jì)算機(jī)設(shè)備20訪問(wèn)的可用介質(zhì)，包括易失性和非易失性介質(zhì)，可移動(dòng)的和不可移動(dòng)的介質(zhì)。

系統(tǒng)存儲(chǔ)器22可以包括易失性存儲(chǔ)器形式的計(jì)算機(jī)系統(tǒng)可讀介質(zhì)，例如隨機(jī)存取存儲(chǔ)器(randomaccessmemory；以下簡(jiǎn)稱：ram)30和/或高速緩存存儲(chǔ)器32。計(jì)算機(jī)設(shè)備可以進(jìn)一步包括其它可移動(dòng)/不可移動(dòng)的、易失性/非易失性計(jì)算機(jī)系統(tǒng)存儲(chǔ)介質(zhì)。僅作為舉例，存儲(chǔ)系統(tǒng)34可以用于讀寫不可移動(dòng)的、非易失性磁介質(zhì)(圖11未顯示，通常稱為“硬盤驅(qū)動(dòng)器”)。盡管圖11中未示出，可以提供用于對(duì)可移動(dòng)非易失性磁盤(例如“軟盤”)讀寫的磁盤驅(qū)動(dòng)器，以及對(duì)可移動(dòng)非易失性光盤(例如：光盤只讀存儲(chǔ)器(compactdiscreadonlymemory；以下簡(jiǎn)稱：cd-rom)、數(shù)字多功能只讀光盤(digitalvideodiscreadonlymemory；以下簡(jiǎn)稱：dvd-rom)或者其它光介質(zhì))讀寫的光盤驅(qū)動(dòng)器。在這些情況下，每個(gè)驅(qū)動(dòng)器可以通過(guò)一個(gè)或者多個(gè)數(shù)據(jù)介質(zhì)接口與總線23相連。存儲(chǔ)器22可以包括至少一個(gè)程序產(chǎn)品，該程序產(chǎn)品具有一組(例如至少一個(gè))程序模塊，這些程序模塊被配置以執(zhí)行本申請(qǐng)各實(shí)施例的功能。

具有一組(至少一個(gè))程序模塊42的程序/實(shí)用工具40，可以存儲(chǔ)在例如存儲(chǔ)器22中，這樣的程序模塊42包括——但不限于——操作系統(tǒng)、一個(gè)或者多個(gè)應(yīng)用程序、其它程序模塊以及程序數(shù)據(jù)，這些示例中的每一個(gè)或某種組合中可能包括網(wǎng)絡(luò)環(huán)境的實(shí)現(xiàn)。程序模塊42通常執(zhí)行本申請(qǐng)所描述的實(shí)施例中的功能和/或方法。

計(jì)算機(jī)設(shè)備20也可以與一個(gè)或多個(gè)外部設(shè)備50(例如鍵盤、指向設(shè)備、顯示器60等)通信，還可與一個(gè)或者多個(gè)使得用戶能與該計(jì)算機(jī)設(shè)備20交互的設(shè)備通信，和/或與使得該計(jì)算機(jī)設(shè)備20能與一個(gè)或多個(gè)其它計(jì)算設(shè)備進(jìn)行通信的任何設(shè)備(例如網(wǎng)卡，調(diào)制解調(diào)器等等)通信。這種通信可以通過(guò)輸入/輸出(i/o)接口24進(jìn)行。并且，計(jì)算機(jī)設(shè)備20還可以通過(guò)網(wǎng)絡(luò)適配器25與一個(gè)或者多個(gè)網(wǎng)絡(luò)(例如局域網(wǎng)(localareanetwork；以下簡(jiǎn)稱：lan)，廣域網(wǎng)(wideareanetwork；以下簡(jiǎn)稱：wan)和/或公共網(wǎng)絡(luò)，例如因特網(wǎng))通信。如圖所示，網(wǎng)絡(luò)適配器25通過(guò)總線23與計(jì)算機(jī)設(shè)備20的其它模塊通信。應(yīng)當(dāng)明白，盡管圖中未示出，可以結(jié)合計(jì)算機(jī)設(shè)備20使用其它硬件和/或軟件模塊，包括但不限于：微代碼、設(shè)備驅(qū)動(dòng)器、冗余處理單元、外部磁盤驅(qū)動(dòng)陣列、raid系統(tǒng)、磁帶驅(qū)動(dòng)器以及數(shù)據(jù)備份存儲(chǔ)系統(tǒng)等。

處理單元21通過(guò)運(yùn)行存儲(chǔ)在系統(tǒng)存儲(chǔ)器22中的程序，從而執(zhí)行各種功能應(yīng)用以及數(shù)據(jù)處理，例如實(shí)現(xiàn)圖1-圖7所示的基于人工智能的搜索信息解析方法。

可以采用一個(gè)或多個(gè)計(jì)算機(jī)可讀的介質(zhì)的任意組合。計(jì)算機(jī)可讀介質(zhì)可以是計(jì)算機(jī)可讀信號(hào)介質(zhì)或者計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)例如可以是——但不限于——電、磁、光、電磁、紅外線、或半導(dǎo)體的系統(tǒng)、裝置或器件，或者任意以上的組合。計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)的更具體的例子(非窮舉的列表)包括：具有一個(gè)或多個(gè)導(dǎo)線的電連接、便攜式計(jì)算機(jī)磁盤、硬盤、隨機(jī)存取存儲(chǔ)器(ram)、只讀存儲(chǔ)器(readonlymemory；以下簡(jiǎn)稱：rom)、可擦式可編程只讀存儲(chǔ)器(erasableprogrammablereadonlymemory；以下簡(jiǎn)稱：eprom)或閃存、光纖、便攜式緊湊磁盤只讀存儲(chǔ)器(cd-rom)、光存儲(chǔ)器件、磁存儲(chǔ)器件、或者上述的任意合適的組合。在本文件中，計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)可以是任何包含或存儲(chǔ)程序的有形介質(zhì)，該程序可以被指令執(zhí)行系統(tǒng)、裝置或者器件使用或者與其結(jié)合使用。

計(jì)算機(jī)可讀的信號(hào)介質(zhì)可以包括在基帶中或者作為載波一部分傳播的數(shù)據(jù)信號(hào)，其中承載了計(jì)算機(jī)可讀的程序代碼。這種傳播的數(shù)據(jù)信號(hào)可以采用多種形式，包括——但不限于——電磁信號(hào)、光信號(hào)或上述的任意合適的組合。計(jì)算機(jī)可讀的信號(hào)介質(zhì)還可以是計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)以外的任何計(jì)算機(jī)可讀介質(zhì)，該計(jì)算機(jī)可讀介質(zhì)可以發(fā)送、傳播或者傳輸用于由指令執(zhí)行系統(tǒng)、裝置或者器件使用或者與其結(jié)合使用的程序。

計(jì)算機(jī)可讀介質(zhì)上包含的程序代碼可以用任何適當(dāng)?shù)慕橘|(zhì)傳輸，包括——但不限于——無(wú)線、電線、光纜、rf等等，或者上述的任意合適的組合。

可以以一種或多種程序設(shè)計(jì)語(yǔ)言或其組合來(lái)編寫用于執(zhí)行本申請(qǐng)操作的計(jì)算機(jī)程序代碼，所述程序設(shè)計(jì)語(yǔ)言包括面向?qū)ο蟮某绦蛟O(shè)計(jì)語(yǔ)言—諸如java、smalltalk、c++，還包括常規(guī)的過(guò)程式程序設(shè)計(jì)語(yǔ)言—諸如“c”語(yǔ)言或類似的程序設(shè)計(jì)語(yǔ)言。程序代碼可以完全地在用戶計(jì)算機(jī)上執(zhí)行、部分地在用戶計(jì)算機(jī)上執(zhí)行、作為一個(gè)獨(dú)立的軟件包執(zhí)行、部分在用戶計(jì)算機(jī)上部分在遠(yuǎn)程計(jì)算機(jī)上執(zhí)行、或者完全在遠(yuǎn)程計(jì)算機(jī)或服務(wù)器上執(zhí)行。在涉及遠(yuǎn)程計(jì)算機(jī)的情形中，遠(yuǎn)程計(jì)算機(jī)可以通過(guò)任意種類的網(wǎng)絡(luò)——包括局域網(wǎng)(localareanetwork；以下簡(jiǎn)稱：lan)或廣域網(wǎng)(wideareanetwork；以下簡(jiǎn)稱：wan)連接到用戶計(jì)算機(jī)，或者，可以連接到外部計(jì)算機(jī)(例如利用因特網(wǎng)服務(wù)提供商來(lái)通過(guò)因特網(wǎng)連接)。

為了實(shí)現(xiàn)上述實(shí)施例，本發(fā)明還提出一種計(jì)算機(jī)程序產(chǎn)品，當(dāng)計(jì)算機(jī)程序產(chǎn)品中的指令由處理器執(zhí)行時(shí)，執(zhí)行如前述實(shí)施例所述的基于人工智能的搜索信息解析方法。

為了實(shí)現(xiàn)上述實(shí)施例，本發(fā)明還提出一種非臨時(shí)性計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，當(dāng)該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)能夠?qū)崿F(xiàn)如前述實(shí)施例所述的基于人工智能的搜索信息解析方法。

在本說(shuō)明書(shū)的描述中，參考術(shù)語(yǔ)“一個(gè)實(shí)施例”、“一些實(shí)施例”、“示例”、“具體示例”、或“一些示例”等的描述意指結(jié)合該實(shí)施例或示例描述的具體特征、結(jié)構(gòu)、材料或者特點(diǎn)包含于本發(fā)明的至少一個(gè)實(shí)施例或示例中。在本說(shuō)明書(shū)中，對(duì)上述術(shù)語(yǔ)的示意性表述不必須針對(duì)的是相同的實(shí)施例或示例。而且，描述的具體特征、結(jié)構(gòu)、材料或者特點(diǎn)可以在任一個(gè)或多個(gè)實(shí)施例或示例中以合適的方式結(jié)合。此外，在不相互矛盾的情況下，本領(lǐng)域的技術(shù)人員可以將本說(shuō)明書(shū)中描述的不同實(shí)施例或示例以及不同實(shí)施例或示例的特征進(jìn)行結(jié)合和組合。

此外，術(shù)語(yǔ)“第一”、“第二”僅用于描述目的，而不能理解為指示或暗示相對(duì)重要性或者隱含指明所指示的技術(shù)特征的數(shù)量。由此，限定有“第一”、“第二”的特征可以明示或者隱含地包括至少一個(gè)該特征。在本發(fā)明的描述中，“多個(gè)”的含義是至少兩個(gè)，例如兩個(gè)，三個(gè)等，除非另有明確具體的限定。

流程圖中或在此以其他方式描述的任何過(guò)程或方法描述可以被理解為，表示包括一個(gè)或更多個(gè)用于實(shí)現(xiàn)定制邏輯功能或過(guò)程的步驟的可執(zhí)行指令的代碼的模塊、片段或部分，并且本發(fā)明的優(yōu)選實(shí)施方式的范圍包括另外的實(shí)現(xiàn)，其中可以不按所示出或討論的順序，包括根據(jù)所涉及的功能按基本同時(shí)的方式或按相反的順序，來(lái)執(zhí)行功能，這應(yīng)被本發(fā)明的實(shí)施例所屬技術(shù)領(lǐng)域的技術(shù)人員所理解。

在流程圖中表示或在此以其他方式描述的邏輯和/或步驟，例如，可以被認(rèn)為是用于實(shí)現(xiàn)邏輯功能的可執(zhí)行指令的定序列表，可以具體實(shí)現(xiàn)在任何計(jì)算機(jī)可讀介質(zhì)中，以供指令執(zhí)行系統(tǒng)、裝置或設(shè)備(如基于計(jì)算機(jī)的系統(tǒng)、包括處理器的系統(tǒng)或其他可以從指令執(zhí)行系統(tǒng)、裝置或設(shè)備取指令并執(zhí)行指令的系統(tǒng))使用，或結(jié)合這些指令執(zhí)行系統(tǒng)、裝置或設(shè)備而使用。就本說(shuō)明書(shū)而言，"計(jì)算機(jī)可讀介質(zhì)"可以是任何可以包含、存儲(chǔ)、通信、傳播或傳輸程序以供指令執(zhí)行系統(tǒng)、裝置或設(shè)備或結(jié)合這些指令執(zhí)行系統(tǒng)、裝置或設(shè)備而使用的裝置。計(jì)算機(jī)可讀介質(zhì)的更具體的示例(非窮盡性列表)包括以下：具有一個(gè)或多個(gè)布線的電連接部(電子裝置)，便攜式計(jì)算機(jī)盤盒(磁裝置)，隨機(jī)存取存儲(chǔ)器(ram)，只讀存儲(chǔ)器(rom)，可擦除可編輯只讀存儲(chǔ)器(eprom或閃速存儲(chǔ)器)，光纖裝置，以及便攜式光盤只讀存儲(chǔ)器(cdrom)。另外，計(jì)算機(jī)可讀介質(zhì)甚至可以是可在其上打印所述程序的紙或其他合適的介質(zhì)，因?yàn)榭梢岳缤ㄟ^(guò)對(duì)紙或其他介質(zhì)進(jìn)行光學(xué)掃描，接著進(jìn)行編輯、解譯或必要時(shí)以其他合適方式進(jìn)行處理來(lái)以電子方式獲得所述程序，然后將其存儲(chǔ)在計(jì)算機(jī)存儲(chǔ)器中。

應(yīng)當(dāng)理解，本發(fā)明的各部分可以用硬件、軟件、固件或它們的組合來(lái)實(shí)現(xiàn)。在上述實(shí)施方式中，多個(gè)步驟或方法可以用存儲(chǔ)在存儲(chǔ)器中且由合適的指令執(zhí)行系統(tǒng)執(zhí)行的軟件或固件來(lái)實(shí)現(xiàn)。如，如果用硬件來(lái)實(shí)現(xiàn)和在另一實(shí)施方式中一樣，可用本領(lǐng)域公知的下列技術(shù)中的任一項(xiàng)或他們的組合來(lái)實(shí)現(xiàn)：具有用于對(duì)數(shù)據(jù)信號(hào)實(shí)現(xiàn)邏輯功能的邏輯門電路的離散邏輯電路，具有合適的組合邏輯門電路的專用集成電路，可編程門陣列(pga)，現(xiàn)場(chǎng)可編程門陣列(fpga)等。

本技術(shù)領(lǐng)域的普通技術(shù)人員可以理解實(shí)現(xiàn)上述實(shí)施例方法攜帶的全部或部分步驟是可以通過(guò)程序來(lái)指令相關(guān)的硬件完成，所述的程序可以存儲(chǔ)于一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中，該程序在執(zhí)行時(shí)，包括方法實(shí)施例的步驟之一或其組合。

此外，在本發(fā)明各個(gè)實(shí)施例中的各功能單元可以集成在一個(gè)處理模塊中，也可以是各個(gè)單元單獨(dú)物理存在，也可以兩個(gè)或兩個(gè)以上單元集成在一個(gè)模塊中。上述集成的模塊既可以采用硬件的形式實(shí)現(xiàn)，也可以采用軟件功能模塊的形式實(shí)現(xiàn)。所述集成的模塊如果以軟件功能模塊的形式實(shí)現(xiàn)并作為獨(dú)立的產(chǎn)品銷售或使用時(shí)，也可以存儲(chǔ)在一個(gè)計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中。

上述提到的存儲(chǔ)介質(zhì)可以是只讀存儲(chǔ)器，磁盤或光盤等。盡管上面已經(jīng)示出和描述了本發(fā)明的實(shí)施例，可以理解的是，上述實(shí)施例是示例性的，不能理解為對(duì)本發(fā)明的限制，本領(lǐng)域的普通技術(shù)人員在本發(fā)明的范圍內(nèi)可以對(duì)上述實(shí)施例進(jìn)行變化、修改、替換和變型。